uutiset

Chao News -asiakastoimittaja Shen Aiqun ja Xueyan

11. elokuuta pidettiin Hangzhoussa ensimmäinen Beijing-Zhejiang Talents Meeting of 100. Kokouksessa Kiinan tekniikan akatemian akateemikko Yang Huayong piti pääpuheen "Exploration of Artificial Intelligence, joka mahdollistaa huippuluokan laitteiden innovoinnin ja kehittämisen".

Akateemikko Yang Huayong piti pääpuheen. Kuva toimittaja Yan Xueyan

Professori Yang Huayong on nesteiden siirron ja ohjauksen asiantuntija ja Kiinan tekniikan akatemian akateemikko. Hän on tällä hetkellä Zhejiangin yliopiston tekniikan osaston johtaja, nestevoiman perusosien ja sähkömekaanisten järjestelmien kansallisen avainlaboratorion johtaja ja Zhejiangin yliopiston High-end Equipment Instituten dekaani.

Puheessaan hän keskittyi sinä päivänä tekoälyn alaan ja puhui tekoälyn tutkimisesta, joka mahdollistaa huippuluokan laitteiden innovatiivisen kehittämisen.

Akateemikko Yang huomautti, että teollisuus uskoo yleisesti, että tieteelliseen tietoon perustuvasta tieteellisestä tutkimusmenetelmästä on tullut tärkeä tapa tehdä tieteellistä tutkimusta.

Nykyään datalähtöinen tieteellinen löytö ja tekninen simulointi ovat kuumia. Tulevaisuudessa mekanismeihin ja tietoihin perustuva tieteellinen löytö ja tekninen simulointi ovat kilpailukykyisempiä. Se voi maksimoida historiallisen tiedon arvon ja tuoda tarkempaa päättelyä enemmän dataa. Siksi teollisuudessa tekoälyn tehostamisen ansiosta mekanismin + datan yhteisajolla on suuri potentiaali ohitukseen mutkissa.

Akateemikko Yang puhui myös huippulaitteiden digitalisaation kehittämisen vaikeuksista uuden teollistumisen taustalla. Esimerkiksi massiivinen heterogeeninen data on vaikea jakaa ja analysoida, jäsentämätöntä tietoa on vaikea louhia ja poimia, monitieteisten mekanismimallien integrointi on monimutkaista ja tasapaino laskennan tarkkuuden ja tehokkuuden välillä on huono jne. johtaa alhaiseen suunnitteluyhteistyön tehokkuuteen, vaikeaan tuotannon ja valmistuksen ajoitukseen sekä huonoon käyttö- ja kunnossapitopalvelun laatuun. Hän uskoo, että tarvitsemme pikaisesti "integroidun digitaalisen perustan nopeuttaaksemme huippuluokan laitteiden digitalisointia".

Kuinka muuttaa? Analysoituaan digitaalisten perusjärjestelmien nykytilannetta kotimaassa ja ulkomailla, akateemikko Yang huomautti, että datan, tietojenkäsittelyn ja tekoälyn ohjaama digitaalinen tuki on ainoa tapa älykkääseen huippulaitteiden valmistukseen. Älykkään digitaalisen pohjan avainsuunta on: kuinka syvällisesti integroida teollista dataa ja mekanismeja yleisiin suuriin malleihin.

Akateemikko Yang Huayong piti pääpuheen. Kuva toimittaja Yan Xueyan

Akateemikko Yang esitteli puheessaan vieraille myös tekoälyn tutkimustapauksia huippuluokan laitteiden tieteellisessä tutkimuksessa, mukaan lukien tekoälyn syväoppiminen, joka mahdollistaa dieselmoottorin tehojärjestelmän polttosimuloinnin, tekoälyn syväoppiminen, joka mahdollistaa kaasuturbiinin siipien virtauskentän analyysin, tekoälyn syväoppiminen. Pystyy PTMU-simulaatioon (tehon ja lämmönhallintayksikkö) jne. Samalla hän esitteli myös todellisia tapauksia siitä, kuinka tekoäly voi tehostaa valmistusta, rakentamista, markkinointia, käyttöä ja ylläpitoa jne.

"Tekoälyn suuret mallit muuttavat perusteellisesti kaikkien elämänalojen maisemaa, ja yhä useammat yritykset ottavat aktiivisesti tekoälyn. Yritykset kohtaavat kuitenkin yleensä ongelmia, kuten korkeita kustannuksia, rajoitettua valikoimaa ja vaikeita hankintoja investoidessaan suuriin mallilaitteistoihin." Akateemikko Yang ehdotti: "Siksi meidän on tarjottava kyky hallita dataa, hyödyntää tietoa ja yhtenäistää laskentatehoa digitaalisen perusjärjestelmän pohjalta; meidän on myös käytettävä digitaalista pohjaa yhdistääksemme tuotantoketjujen omistajat, tieteellisen tutkimuksen ja yhdistykset keräämään alan yhteisiä tietoja."

"Tältä pohjalta käytämme avointa huippuluokan laitteiden laajaa mallialustaa rekonstruoidaksemme mekaanisten laitteiden T&K-integraation, suunnittelun ja toiminnan multimodaalisen tiedon analysoinnin ja poimimisen saavuttamiseksi, crossmodaalisen tiedon tarkan louhinnan, tiedonsaannin tehokkuuden optimoinnin ja tutustu Yli 100:n teollisuusskenaarion tarjoamiseen 12 kategoriassa”, akateemikko Yang sanoi.

"Ilmoita lähde, kun tulostat uudelleen"